一种基于教师-学生模型的低剂量SPECT图像去噪方法

摘要

本发明公开了一种基于教师‑学生模型的低剂量SPECT图像去噪方法，其去噪方法采用半监督学习的教师‑学生模型，利用重建算法将SPECT投影数据转换为SPECT图像，由该模型将低剂量SPECT图像去噪，生成接近正常剂量的SPECT图像。该模型利用一致性损失函数，并指导训练该模型，总损失函数收敛后得到去噪后的SPECT图像。在医学图像上通过该模型，能够利用大量无标签数据进行训练。本发明利用大部分的医学图像无标签特性，在低剂量的情况下，利用大量无标签数据，依然能够达到高质量的SPECT图像。